MétaCan
Menu
← Retour à la cohorte
Enregistrement W2958849418 · doi:10.1139/apnm-2019-0037

Wavelet and principal component analysis of electromyographic activity and slow component of oxygen uptake during heavy and severe cycling exercise

2019· article· en· W2958849418 sur OpenAlexvenueno aff
Liping Qi, Xiaochi Ma, Dongdong Zhou, Shuo Guan, Fengshan Gao, Pei-Xin Cong

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésElectromyographyBicepsCyclingPhysical medicine and rehabilitationAnalysis of variancePrincipal component analysisCardiologyMuscle fatigueMedicineInternal medicineMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The aim of the study was to investigate whether the slow component of oxygen uptake was concurrent with the recruitment of large α-motoneuron muscle fibres by using wavelet and principal component analysis (PCA) of electromyography (EMG) during heavy and severe cycling exercise. Eleven male subjects participated in the study. After establishing each subject’s maximum value of oxygen uptake through an incremental test on the cycle ergometer, the subjects performed 6-min cycling tests at heavy and severe intensity. EMG signals were collected from rectus femoris, biceps femoris long head, tibialis anterior, and medial gastrocnemius and processed by combined use of wavelet and PCA analysis. The time delays to the onset of slow component occurred significantly earlier during severe (105.22 ± 5.45 s) compared with during heavy (138.78 ± 15.09 s) exercise. ANOVA with repeated measures showed that for all muscles tested, the angle θ formed by the first and second principal components decreased significantly between time windows during heavy and severe exercise. However, significant increases of EMG mean power frequency (MPF) were found only during heavy exercise. Our results show the concurrence of the oxygen uptake slow component with the additional recruitment of muscle fibres, presumably less efficient large α-motoneuron fibres. Novelty The expected rise in MPF may be offset by muscle fatigue occurring in the later time windows of the slow component during severe exercise. The gradual shift to higher EMG frequencies throughout the slow-component phase was reflected in the progressive and significant decrease of angle θ.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,200
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and Metabolism→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→